利用元工具优化智能体工作流

智能体 AI 使大语言模型能动态推理、规划并调用工具解决复杂任务，但常因迭代步骤多导致成本高、延迟大及幻觉失败。本文提出智能体工作流优化（AWO）框架，通过分析现有工作流轨迹识别冗余工具执行模式，将其转化为确定性的复合“元工具”。元工具将多个动作捆绑为单次调用，绕过不必要的中间推理，显著降低运营成本并缩短执行路径。实验表明，AWO 最多减少 11.9% 的 LLM 调用次数，并将任务成功率提升 4.2 个百分点。